過去的 PACS 影像顯示,常依賴伺服器端解析 DICOM 並輸出 JPG,再由瀏覽器呈現。這種方式能完成移動、縮放、旋轉與測量等基本操作,但每次互動都可能需要與伺服器溝通,造成延遲。
常見痛點包括:取得 CT 值時需要頻繁請求伺服器、調整窗寬窗位或反色時反應不夠即時、測量結果只能取得面積與周長,難以提供最大值、最小值、方差與平均值等診斷所需資訊。
HTML5 的 Canvas 與 JavaScript 已能勝任像素級運算。若能將 DICOM 的像素資料直接送到瀏覽器端,就能即時完成窗寬窗位調整、數值讀取與區域統計,大幅提升互動流暢度。
因此,系統升級方向轉為:由後端提供像素資料,前端負責影像生成與窗寬窗位運算。
第一種方式是由伺服器直接回傳 DICOM 檔案,前端自行解析。這種做法彈性高,但 DICOM 的傳輸語法、色彩空間、位元配置與多幀結構相當複雜,若要完整支援各種格式,開發成本很高。
第二種方式是由伺服器端先解析 DICOM,再將像素陣列傳給前端。由於成熟的開源工具已能處理多種 DICOM 結構,這種做法更穩定,也更容易針對不同影像類型做快取與分幀載入。
在進行窗寬窗位調整前,通常需要先將原始像素值轉換為 Hounsfield Unit。概念如下:
HU = pixelValue * rescaleSlope + rescaleIntercept
完成 HU 轉換後,再依窗位與窗寬將數值映射到 0 至 255 的顯示灰階。對於 CT 與 MR 等影像,線性窗寬窗位演算法通常已足夠;但當影像動態範圍較大時,則可考慮 gamma 等非線性方式。
min = (2 * windowCenter - windowWidth) / 2 - 0.5 max = (2 * windowCenter + windowWidth) / 2 - 0.5 showPixelValue = (HU - min) * 255 / (max - min)
取得像素陣列後,可利用 Canvas 建立影像資料,再透過查找表加快灰階映射。對於一般 512×512 的 CT 或 MR 影像,滑鼠調整窗寬窗位時,通常能維持流暢的視覺回饋。
彩色 CT 影像也能沿用相同概念,只是在顏色映射與資料格式上需要額外處理。
MR 影像的灰階表現與 CT 略有不同,但整體流程仍可共用同一套窗寬窗位機制。
當影像尺寸來到 CR 或 DX 這類較大的解析度時,生成與繪製成本會明顯上升。此時除了演算法,也需要考慮延遲載入、快取與伺服器端預處理。
一旦瀏覽器端能直接取得像素資料,就能即時讀取指定位置的 CT 值,不再需要每次都向伺服器查詢。
在測量方面,也能進一步計算區域內的最大值、最小值、方差與平均值,讓醫師在判讀時擁有更多量化依據。
將 PACS 的影像處理從伺服器端搬到瀏覽器端,能顯著改善互動體驗,也讓 HTML5 在醫療影像場景中更具實用價值。不過,面對高解析度 DX 影像與複雜色彩處理,仍需要持續優化演算法、快取策略與前端繪製效率。